基于GIS 的海宁市输电线路及通道管理系统

王大健 ，李仕杰 ，周 靖 ，沈逸佳

（1. 国网浙江省电力有限公司海宁市供电公司，浙江 海宁 314400; 2. 嘉兴明绘信息科技有限公司，浙江 嘉兴 314000; 3. 嘉兴数科测绘科技有限公司，浙江 嘉兴 314000）

0 引言

随着长三角一体化上升为国家战略，处于长三角的海宁市也飞速发展，输电线路建设数量也增长明显，面对众多的输电线路，如何管理和维护线路；输电通道内有人为施工，如搭建建筑物、挖机开挖等外破行为，如何快速发现并及时处理；输电线路信息如何安全地与电力线路设计等部门共享；上述输电线路及通道管理需求是摆在海宁市电力工区部门面前的一道难题。

目前海宁市对于电力线路管理主要采用国家电网有限公司的PMS 系统，但PMS 系统在地理底图现势性、权限控制便捷性等方面存在一些问题，不能全面管理海宁市输电线路现状信息，对于输电线路通道巡检和防外破等，还是采用传统的人工方式，费时且低效。

面对上述问题，本文开发基于GIS 的海宁市输电线路及通道管理系统，实现了如下功能：输电线路空间入库、地图可视化展示；通道内外破行为的识别和预警；多部门输电线路信息共享，包含资料的打包下载等。

1 设计思路

1.1 系统架构设计

整个系统采用B/S 架构，只须浏览器就可操作系统，方便系统维护和更新。

采用MVC 分层架构设计[1]，各类开发人员各司其职，加快了系统开发进度和效率。采用微软的Visual Studio2017 ASP.net MVC 开发平台实现。

1.2 系统功能设计

整个系统功能分为：输电线路空间数据库、内网地图服务器搭建、变电站管理、杆塔管理、开闭所管理、环网柜管理、配电房管理、箱式变压器管理、通道管理、系统管理。整个系统功能结构图如图1 所示。

图1 系统功能结构图

1.3 关键技术设计

1.3.1 输电线路地图浏览器渲染可视化

海宁市全部输电线路按照常规方法浏览加载，并按电压等级在地图上配色显示，数据量较大时，浏览器会卡死，影响使用。目前主流的解决方案如下：采用商业GIS 工具库，把输电线路发布成地图服务，利用地图API 在地图上显示，该方法使用的商业软件成本较高；使用开源地图工具，如Geo-Server 等，把输电线路空间数据库作为地图服务数据源，发布成符合OGC（open geospatial consortium）规范的WMTS 或WMS 地图服务[2]，利用地图API调用上述服务，在浏览器中显示输电线路数据，该方法显示的数据，在大数据量情况下，系统操作依然流畅。

根据项目规模和成本考虑，项目中采用第二种方法进行输电线路地图渲染。

1.3.2 输电通道内危险点识别

要维持输电线路正常运行，必须对通道内的危险点进行识别，并进行处理，目前主要监测内容是通道内鸟巢、非法搭建人工构筑物、挖土机挖土等外破行为。利用无人机巡检时获取的通道内影像，利用基于深度学习的无人机影像识别模型，对影像范围内地物进行自动判别，发现有上述描述的危险点，则利用地图导航功能，引导处理人员到达相关位置去处理。

数据收集及处理。收集海宁输电线路工程中拍摄的通道照片和地理国情普查图斑数据，利用影像处理技术，对图像进行去噪声、云雾等处理[3]，减少识别的干扰因素；利用人工对图像中鸟巢、人工建筑物、树木等进行标注，作为模型训练的样本数据；影像数据切割，把图像裁切成一定规格大小，如400 像素 × 400 像素，提高处理速度。

构建基于深度学习的影像地物识别模型。利用后端处理为TensorFlow 的开源高级神经网络库Keras API 构建地物识别模型[4]，把样本数据输入模型中进行训练，识别率达到可接受范围后，则停止训练，否则，则通过调整样本数量，进行重新训练，直到识别率满足要求为止。目前识别率可达到85%左右。构建完成的模型可实现输入无人机通道影像，进行自动地物识别目的。

1.4 系统网络架构设计

由于输电线路数据是保密数据，故不能部署在一般的互联网环境中，目前解决方案是接入国网云平台，另外一种方案是建立整个海宁电力局域网，系统部署在该局域网内，局域网系统架构如图2 所示。

图2 系统局域网网络结构图

2 系统应用

系统构建完毕后，可实现图1 功能结构图中的全部内容，系统运行主界面如图3 所示。

图3 系统主界面

2.1 统计分析

按电压等级，统计输电线路信息、变电站数量、杆塔数量等信息；统计危险点信息数量，如鸟巢、缺陷等信息，上述信息处理完毕后，经审核人员审核通过后可在页面消失。

2.2 输电线路地图可视化

把输电线路发布成符合OGC 标准的WMTS 地图服务，利用开源地图API Leaflet 进行加载，可在浏览器的地图上流畅显示输电线路数据，可根据电压等级，利用不同颜色区别展示，如图4 所示。

图4 线路地图可视化效果

2.3 通道管理

利用深度学习的图像识别模型，可利用无人机巡检时拍下的影像。对通道内鸟巢、挖机进入、非法建房等进行识别，并通过不同时期影像进行对比，找出变化地物，通过对变化地物进行识别，判断其对通道内输电线路安全的危险大小，有危险的，通过发送相关短信给管理人员，并地图导航引导管理人员到该地点去进行处理。效果图如图5 所示。

图5 通道内被识别出的房屋

2.4 导出CAD 图

系统中可根据输电线路地理坐标信息，利用开源CAD 插件Teigha.NET 把地理图导出为CAD 图纸[5]，导出的图纸可作为线路设计等部门的基础数据，实现数据的多部门共享。系统中导出的CAD图纸如图6 所示。

图6 根据输电线路地理坐标导出的CAD 图

3 结束语

构建的“基于GIS 的海宁市输电线路及通道管理系统”目前在海宁市电力工区已经投入使用，通过平台的应用，工区输电线路数据管理效率大大提高，从以前需3 人维护上述数据，到目前只需1 人；通道内发生的外破行为被发现通常需15 天以上，目前大概需2 天左右，较以前提高了85%，处理速度也明显加快，通过上述手段，大大提高了输电线路通道的安全，为输电线路及通道信息化运维提供了新方法和新思路。接下来，需在利用激光点云等技术对铁塔倾斜度智能计算方面进行研究，以利用新技术进一步提高输电线路及通道的管理水平。